一、DMSP/OLS、NPP/VIIRS夜间灯光数据之城市建成区提取之理论介绍

图1 环渤海城市群城市建成区扩张图

一、前言

对于上述图1，很多小伙伴可能见过类似的，那么这种图怎么来通过GIS或者通过其他软件实现。早期由于遥感影像种类有限，大部分城市建成区范围通过Landsat等数据来提取，主要的方法是监督分类、决策树等得到土地利用分类情况，其中土地分类中的建设用地就是城市的建成区分类。

那么随着遥感数据的丰富，DMSP/OLS、NPP/VIIRS、珞珈一号等夜间灯光数据出现，学者对其深入研究之后，提出利用夜间灯光数据来提取城市建成区范围，其核心的思路：基于夜间灯光数据与人类生产、生活相关性高的特性，所以可以基于夜间灯光数据反映出城市建成区的范围，通俗来说就是通过相应的方法给夜间灯光数据设置阈值，并按照阈值提取对应的夜间灯光数据，提取的夜间灯光数据经过GIS中一系列的操作，得到对应的城市建成区范围。

DMSP/OLS夜间灯光数据正式面世的时间是1992年后，刚开始只是美国用于监测气象，云层等的卫星，后来被某学者研究后，该数据成网红数据。即便其分辨率不够，“一团黑”，但是从面世到现在，2021年，还是有很多人研究数据就是夜间灯光数据。不仅仅可用来GDP、能源消耗、二氧化碳排放等空间化分析，还可以城市扩张分析等。

那么本栏以如何利用夜间灯光数据实现城市扩张分析着手，一步一步给大家介绍实在操作过程。夜间灯光数据应用于城市建成区扩张分析最重要的是如何将城市建成区提取出来，当前建成区提取主要有四种方法：

二、主流的方法

1、经验阈值法

经验阈值法就是根据别人做的研究，人为设定一个阈值，将超过阈值的像素当做建成区像素。缺点：操作简单，缺乏科学依据，还有一个问题就是要是你的研究区域没人研究过，谈何用别人的阈值。

2、突变检测法

IMHOFF认为真实的城市区域应该保持几何形状的完整性，灯光值越大被探测频率越高，属于城市区域的概率也越大，也就是说逐渐增加的分割阈值过程中，代表城市建成区的多边形斑块沿着边缘逐渐缩小，当分割阈值达到某个点时，多边形斑块区域不再沿着边缘缩小，而是从内部破碎，分裂成多个较小的多边形斑块，代表城市建成区的多边形周长突然增加，这个点即为阈值点。缺点：此法忽略城市发展过程中的差异性，不能作为阈值的通用标准。

3、参考比较法

参考比较法是设定一系列的灯光阈值，将基于该灯光阈值提出的城市建成区面积与政府的统计数据中发布的建成区面积进行对比，把误差最小时的阈值作为最佳阈值。缺点：具有科学依据，但是很依赖统计数据。

4、影像空间比较法

HENDERSON提出利用分辨率较高的LandsatTM影像作为辅助数据帮助实现夜间灯光影像城市建成区提取。基本假设为相对于夜间灯光数据1Km，从30m高分辨率的TM影像中提取的城市建成区为真实的城市区域，即可获得最佳阈值。缺点：大范围的高分辨率影像数据难以获取。

其实四种方法各有优缺点，一般来说，你和别人研究一样的区域，那么参考别人的阈值没有意义，发好的期刊创新不足，所以一般来说，这块单纯的研究如何提取没有新意，主要是结合城市景观格局开展相关分析。

三、改进方法

当前改进方法主要有两种一种是结合Landsat等数据，一种是结合POI数据，基于核密度分析，采取形态相交的思路，得到更加准确的城市建成区范围，但是其实改进方法也要以夜间灯光数据提取城市建成区为基础，所以无论如何都必须要知道如何基于夜间灯光数据提取建成区范围。